Mission Control

核心用法

Mission Control 是一个面向 AI 助手设计的看板式任务管理仪表盘。用户通过网页界面（GitHub Pages 托管）创建和编排任务，AI 助手在任务状态变更为「进行中」时自动接收并执行。系统采用 GitHub Webhook + 本地 Transform 的架构实现状态同步，支持子任务拆分、评论记录、EPIC 管理等完整工作流。

显著优点

• 人机协作友好：人类专注优先级规划，AI 专注执行落地，职责清晰分离
• 异步工作支持：任务可持久化存储，适合长时间运行或需要人工审核的复杂任务
• 状态机完整：内置 backlog → in_progress → review → done 的标准流程，支持返工循环
• 零代码运维：Agent 自动完成 Tailscale、GitHub CLI、Webhook 等基础设施配置
• CLI 工具链完善：mc-update.sh 提供状态变更、评论追加、子任务标记等一站式操作

潜在局限

• 基础设施依赖重：必须配置 Tailscale Funnel + GitHub Pages + gh CLI，上手门槛不低
• 实时性受限：GitHub Pages 缓存可能导致 1-2 分钟延迟，不适合毫秒级响应场景
• 单仓库架构：所有任务数据存储于单一 JSON 文件，大规模团队可能出现并发冲突
• 平台锁定倾向：深度集成 GitHub 生态，迁移至其他代码托管平台成本较高

适合人群

• 个人开发者或小型团队，需要追踪 AI 助手的长期任务进度
• 追求「人类审批、AI 执行」工作流的场景（如内容审核、代码审查辅助）
• 已使用 GitHub 作为主力代码托管，且熟悉 Tailscale 网络方案的技术用户

常规风险

• 命令注入：虽 mc-update.sh 声称有输入校验，但任务描述字段理论上可携带恶意指令
• Webhook 签名伪造：依赖 HMAC 验证，若 hookToken 泄露则攻击者可伪造任务触发
• 权限边界模糊：多用户场景下需严格配置 Clawdbot 的 groupPolicy，否则普通用户可通过任务描述诱导 AI 执行危险操作
• 数据泄露：默认 dashboard 仓库若为 Public，所有任务标题和描述公开可见

建议在正式使用前将仓库设为 Private，并配合 Clawdbot 的 agent sandbox 限制文件系统与网络访问权限。

核心功能

Mission Control 是首个专为 AI 助手打造的任务管理系统，采用经典 Kanban 看板模式（Backlog → In Progress → Review → Done）。人类通过 GitHub Pages 托管的 Web 仪表盘创建和优先级排序任务，AI 代理自动检测状态变更并执行工作。

显著优点

1. 人机协作闭环：独特的工作流设计——人类负责决策和验收，AI 负责执行，通过 GitHub webhook 实现实时同步
2. 零配置体验：单次指令 "Set up Mission Control" 即可完成 Tailscale 检测、GitHub 配置、webhook 部署全流程
3. 企业级安全：输入净化（mc-update.sh 内置 sanitize_input）、HMAC webhook 签名验证、timing-safe 比较、凭证完全外部化
4. 纯本地架构：核心功能零第三方依赖，仅使用系统内置工具（bash/python3/git）和 Node.js 标准库
5. EPIC 任务支持：原生支持父任务-子任务层级结构，可编排复杂多步骤项目

潜在局限

• 基础设施依赖：强制要求 Tailscale + GitHub CLI，对非技术用户有门槛
• 单仓库设计：任务数据与仪表盘耦合在同一 GitHub 仓库，大型团队可能需要分仓
• 实时性瓶颈：依赖 GitHub Pages 缓存（1-2 分钟延迟），非即时同步
• 多用户信任边界：默认单用户信任模型，多用户场景需额外配置 groupPolicy 限制

适合人群

• 高频使用 AI 助手的技术从业者（开发者、产品经理、研究者）
• 需要结构化任务追踪的个人或小团队（2-5 人）
• 已有 Tailscale 网络基础设施的用户
• 重视数据主权（GitHub 私有仓）vs SaaS 看板工具的用户

常规风险与缓解

| 风险场景 | 缓解措施 |

|---------|---------|

| 任务描述注入攻击 | `mc-update.sh` 过滤 `` `$`\|` 等危险字符 |

| Webhook 伪造 | HMAC-SHA256 签名验证 + timingSafeEqual |

| 凭证泄露 | 全外部配置文件，无硬编码密钥 |

| 多用户恶意任务 | 依赖 Clawdbot 沙箱 + `allowFrom` 策略层 |

关键认知：Mission Control 的核心设计即"将人类编写的任务描述传递给 Agent 执行"——这在单用户场景是特性而非漏洞，多用户场景需提升防护等级。